Cell Rep | 夏宁邵/李少伟/顾颖团队构建人工智能驱动的抗体挖掘平台ClonoDeep

本文背景是广谱中和抗体（bnAbs）能高效中和新冠、艾滋病毒等高变异病原体的多种突变毒株，但传统抗体筛选方法（如杂交瘤、噬菌体展示等）依赖抗原免疫刺激，耗时费力且无法挖掘体内天然存在的广谱中和潜力抗体。研究目的旨在开发一种无需抗原刺激即可高效挖掘功能性抗体的人工智能平台。厦门大学夏宁邵、李少伟、顾颖团队在Cell Reports发表论文，提出“公共抗体克隆型”先验知识与序列级深度学习模型融合的新策略，构建了ClonoDeep平台。该平台通过分析免疫组库数据，绕过传统抗原依赖路径，系统评估抗体功能潜力。研究团队利用ClonoDeep筛选新冠病毒特异性抗体，有效中和抗体阳性率达83.3%，并解析了代表性抗体的冷冻电镜结构，揭示了广谱中和的关键氨基酸位点。随后，平台从非HIV感染者队列中成功预测出高评分HIV中和抗体候选，实验验证成功率达60%，其中两款抗体展示出广谱中和能力。结论指出，ClonoDeep成功将生物学先验知识与人工智能结合，实现了高效、无需抗原刺激的抗体挖掘，为抗体药物开发和广谱疫苗设计提供了新技术工具。